爬虫如何快速爬取某搜索 api 中所有数据？

[qfdk]

有个小小的需求， 有一个搜索引擎专门搜索到公司信息的列表 比如 baidu 会出现相关 百度公司的信息. 那么问题来了 如何快速爬(复)取(制) 这里面的所有数据呢？ 那搜索 api 全文匹配 。。

思考的方法以 a-z 为关键字 模糊匹配 然后去重复入库？

不知道老哥们有没有更风骚的方法

[tikazyq]

听说过 xpath 和 css selector 么，爬虫没有这些基本干不了活，除非是用正则匹配。想了解更多爬虫么，关注一下开源爬虫平台 Crawlab 吧，github: http: // github. com/tikazyq/crawlab

[qfdk]

@tikazyq #1 你没有明白这个问题，相当于一个搜索框要把里面存在的关键词都搞出来 关键词都是公司的名字

[tomczhen]

技术我不懂，但是怎么判断爬取到的数据就是所有数据呢？

[newtype0092]

你这相当于盲猜啊，都不知道有哪些公司怎么搜？
可以从其他渠道获取一个公司列表，然后作为 key 用这个 api 去查。

[qfdk]

@newtype0092 #4 对的 就是盲猜 所以想 用 a-z 的方法 因为都是 外国公司

[hakono]

搂住你自己都给出了解决办法了。

[qfdk]

@hakono #6 我是想问问有没有更高端的办法

[lbfeng]

@tikazyq 爬 API 不是页面

[lbfeng]

@qfdk 这样对服务器算攻击吧。

[LukeChien]

ES Query 注入

[qfdk]

@LukeChien #10 java 写的 后端是 wildfly 服务器

@lbfeng #9 应该不算吧，但是这个爬的好奇葩 https://www.infogreffe.fr/recherche-siret-entreprise/resultats-recherche-siret-entreprise.html 这个搜索页面 拿数据好困难 找到 api 但是各种奇葩

[dengtongcai]

f12 右键，copy selector …

[zdnyp]

首先你要有企业名称的数据，然后调搜索的接口，采集入库

[qfdk]

@dengtongcai 我知道 但是这里不好用

[qfdk]

@zdnyp 目的是盲猜 不过目的已经达到了